假冒网站监测管理技术研究
发布时间：2022-02-19 14:15
计算机网络技术的普及使电商务迅速发展,网民数量的增长又进一步促进了网络交易量,同时也引发了大量的安全问题。网络钓鱼就是近年来专门针对用户账户信息进行的犯罪,不仅给用户造成了严重的经济损失、制造了不良的社会影响,还扰乱了网络秩序。为了避免更多的企业和个人遭受损失,研究人员提出针对网络钓鱼攻击的防御方案,反网络钓鱼成为网络安全领域一个新的热点。反钓鱼攻击防御方法可分为三大类：对钓鱼邮件进行过滤、对网站域名进行过滤及利用启发式特征检测网页。大多数钓鱼攻击都要建立一个仿冒的网站来获取被攻击者的信息,因此很多防御方案都是针对假冒网站进行检测。由于钓鱼邮件检测技术的范围有限且黑白名单检测技术又具有时间滞后性,利用启发式特征进行检测成为研究的重点,其中如何提高准确率成为研究的难点。本文从网页URL和内容中提取特征,并利用自学习算法对网页进行分类,最终实现对假胃网站的判断。论文分析了目前国内外反钓鱼技术的优势和存在的不足。针对当前假冒网站的新特点,提出一种改进的假冒网站鉴别方法。首先提取网页URL和网页内容中的敏感特征,并根据SVM分类学习算法训练分类器,然后利用分类器对后续的网站样本进行判断,最终实...
【文章来源】：广东工业大学广东省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
目录
CONTENTS
第一章 绪论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外的研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 存在的问题
1.4 论文的研究内容和结构
第二章 网络钓鱼攻击及检测手段分析
2.1 网络钓鱼和假冒网站
2.1.1 网络钓鱼的基本流程
2.1.2 网络钓鱼的主要途径
2.1.3 假冒网站
2.1.4 网络钓鱼技术手段
2.2 假冒网站检测技术
2.2.1 培养用户反钓鱼技巧
2.2.2 针对钓鱼邮件进行识别
2.2.3 基于黑白名单的域名检测技术
2.2.4 启发式检测方法
2.2.5 查询网站信息
2.2.6 利用双向验证机制
2.2.7 存在的问题
第三章 检测假冒网站的方法研究
3.1 基本概念
3.1.1 网站URL
3.1.2 网页内容
3.1.3 SVM主动学习算法
3.2 基于URL和网页身份特征的假冒网站检测
3.2.1 网页身份
3.2.2 URL敏感特征的选取
3.2.3 Web页面内容特征量的提取和处理
3.2.4 特征值预处理
第四章 假冒网站检测流程设计
4.1 基于SVM的假冒网站检测流程
4.1.1 SVM核函数的选取
4.1.2 构造分类器
4.1.3 利用分类器分类
4.2 基于URL和网页内容的假冒网站检测流程
4.2.1 提取网页特征初步判断
4.2.2 URL和网页特征的抽取和处理
第五章 实验与结果分析
5.1 实验环境
5.2 实验过程
5.3 实验结果分析
总结与展望
参考文献
攻读硕士学位期间发表的论文
致谢
【参考文献】：
期刊论文
[1]网络钓鱼攻击的防御技术及防御框架设计[J]. 赵跃华,胡向涛. 计算机应用研究. 2013(06)
[2]一种改进的局部支持向量机算法[J]. 朱莹莹,尹传环,牟少敏. 计算机工程与科学. 2013(02)
[3]钓鱼网站的鉴别方法与防范策略研究[J]. 郭萍. 广西师范学院学报(自然科学版). 2012(02)
[4]基于SVM主动学习算法的网络钓鱼检测系统[J]. 何高辉,邹福泰,谭大礼,王明政. 计算机工程. 2011(19)
[5]基于匈牙利匹配算法的钓鱼网页检测方法[J]. 张卫丰,周毓明,许蕾,徐宝文. 计算机学报. 2010(10)
[6]广域网分布式Web爬虫[J]. 许笑,张伟哲,张宏莉,方滨兴. 软件学报. 2010(05)
[7]一种欺骗网页检测判定算法[J]. 余小燕,陆全华. 成都大学学报(自然科学版). 2009(04)
[8]垃圾邮件过滤系统的探究与实现[J]. 曾小宁. 计算机工程与设计. 2009(15)
[9]一种新的基于SVM权重向量的云分类器[J]. 朱杰,秦亮曦,龙炜哲,苏永秀. 计算机应用研究. 2009(06)
[10]基于嵌套EMD的钓鱼网页检测算法[J]. 曹玖新,毛波,罗军舟,刘波. 计算机学报. 2009(05)
博士论文
[1]大规模反钓鱼识别引擎关键技术研究[D]. 张健毅.北京邮电大学 2012
硕士论文
[1]基于敏感特征的网络钓鱼检测方法研究[D]. 曹晓芸.大连理工大学 2012
[2]基于空间数据库和视觉特征的钓鱼网页检测[D]. 曾兵.南京邮电大学 2012
[3]基于文本特征分析的钓鱼邮件检测技术研究[D]. 彭寅.南京邮电大学 2012
[4]网络钓鱼检测引擎的分析与设计[D]. 张立国.北京邮电大学 2012
[5]防网络钓鱼的安全域名服务器研究[D]. 何高辉.上海交通大学 2011
[6]基于URL特征的网页分类研究[D]. 李玄.南京邮电大学 2011
[7]Web信息抽取技术的研究与应用[D]. 钱浩.东北石油大学 2011
[8]一种基于TSVM的phishing网页检测方法[D]. 赵留军.华北电力大学（北京） 2011
[9]基于内容的网页恶意代码检测的研究与实现[D]. 魏为.华中科技大学 2011
[10]基于在线学习算法的恶意网页检测系统[D]. 王庆.哈尔滨工业大学 2010
本文编号：3633048
【文章来源】：广东工业大学广东省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
目录
CONTENTS
第一章 绪论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外的研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 存在的问题
1.4 论文的研究内容和结构
第二章 网络钓鱼攻击及检测手段分析
2.1 网络钓鱼和假冒网站
2.1.1 网络钓鱼的基本流程
2.1.2 网络钓鱼的主要途径
2.1.3 假冒网站
2.1.4 网络钓鱼技术手段
2.2 假冒网站检测技术
2.2.1 培养用户反钓鱼技巧
2.2.2 针对钓鱼邮件进行识别
2.2.3 基于黑白名单的域名检测技术
2.2.4 启发式检测方法
2.2.5 查询网站信息
2.2.6 利用双向验证机制
2.2.7 存在的问题
第三章 检测假冒网站的方法研究
3.1 基本概念
3.1.1 网站URL
3.1.2 网页内容
3.1.3 SVM主动学习算法
3.2 基于URL和网页身份特征的假冒网站检测
3.2.1 网页身份
3.2.2 URL敏感特征的选取
3.2.3 Web页面内容特征量的提取和处理
3.2.4 特征值预处理
第四章 假冒网站检测流程设计
4.1 基于SVM的假冒网站检测流程
4.1.1 SVM核函数的选取
4.1.2 构造分类器
4.1.3 利用分类器分类
4.2 基于URL和网页内容的假冒网站检测流程
4.2.1 提取网页特征初步判断
4.2.2 URL和网页特征的抽取和处理
第五章 实验与结果分析
5.1 实验环境
5.2 实验过程
5.3 实验结果分析
总结与展望
参考文献
攻读硕士学位期间发表的论文
致谢
【参考文献】：
期刊论文
[1]网络钓鱼攻击的防御技术及防御框架设计[J]. 赵跃华,胡向涛. 计算机应用研究. 2013(06)
[2]一种改进的局部支持向量机算法[J]. 朱莹莹,尹传环,牟少敏. 计算机工程与科学. 2013(02)
[3]钓鱼网站的鉴别方法与防范策略研究[J]. 郭萍. 广西师范学院学报(自然科学版). 2012(02)
[4]基于SVM主动学习算法的网络钓鱼检测系统[J]. 何高辉,邹福泰,谭大礼,王明政. 计算机工程. 2011(19)
[5]基于匈牙利匹配算法的钓鱼网页检测方法[J]. 张卫丰,周毓明,许蕾,徐宝文. 计算机学报. 2010(10)
[6]广域网分布式Web爬虫[J]. 许笑,张伟哲,张宏莉,方滨兴. 软件学报. 2010(05)
[7]一种欺骗网页检测判定算法[J]. 余小燕,陆全华. 成都大学学报(自然科学版). 2009(04)
[8]垃圾邮件过滤系统的探究与实现[J]. 曾小宁. 计算机工程与设计. 2009(15)
[9]一种新的基于SVM权重向量的云分类器[J]. 朱杰,秦亮曦,龙炜哲,苏永秀. 计算机应用研究. 2009(06)
[10]基于嵌套EMD的钓鱼网页检测算法[J]. 曹玖新,毛波,罗军舟,刘波. 计算机学报. 2009(05)
博士论文
[1]大规模反钓鱼识别引擎关键技术研究[D]. 张健毅.北京邮电大学 2012
硕士论文
[1]基于敏感特征的网络钓鱼检测方法研究[D]. 曹晓芸.大连理工大学 2012
[2]基于空间数据库和视觉特征的钓鱼网页检测[D]. 曾兵.南京邮电大学 2012
[3]基于文本特征分析的钓鱼邮件检测技术研究[D]. 彭寅.南京邮电大学 2012
[4]网络钓鱼检测引擎的分析与设计[D]. 张立国.北京邮电大学 2012
[5]防网络钓鱼的安全域名服务器研究[D]. 何高辉.上海交通大学 2011
[6]基于URL特征的网页分类研究[D]. 李玄.南京邮电大学 2011
[7]Web信息抽取技术的研究与应用[D]. 钱浩.东北石油大学 2011
[8]一种基于TSVM的phishing网页检测方法[D]. 赵留军.华北电力大学（北京） 2011
[9]基于内容的网页恶意代码检测的研究与实现[D]. 魏为.华中科技大学 2011
[10]基于在线学习算法的恶意网页检测系统[D]. 王庆.哈尔滨工业大学 2010
本文编号：3633048
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3633048.html
